Северсталь: ML-прогноз перегрева подшипников сократил простой до 1,5 часа в год

«Северсталь» с 2014 года развивает службу мониторинга состояния оборудования (СМСО): на старте в неё передавались данные с 500 датчиков, на момент публикации — с 12 000. С 2017 года эти данные накапливаются в Data Lake, а в SAP ERP по каждому агрегату хранятся сведения о плановых и неплановых простоях, осмотрах и ремонтах. Компания поставила задачу перейти от превентивных ремонтов по регламенту к предиктивным, по состоянию: сократить аварийные остановки, переобслуживание оборудования и складские запасы запчастей, лучше планировать загрузку ремонтных бригад.

Пилоты 2018 года с внешними компаниями и университетами по предсказанию отказов чистовой группы клетей стана-2000 не дали моделей с приемлемой точностью: однотипных отказов для обучения было слишком мало. Рабочие модели получились у дата-сайентистов подразделения «Северсталь-Диджитал», которое работает напрямую с Data Lake. Модели обучены на типовых узлах с регулярно повторяющимися проблемами. Одна из них прогнозирует перегрев подшипников шестерённых клетей; первая модель — нейросетевой классификатор — предсказывала заклинивание роликов отводящего рольганга по отклонению скорости ролика от соседних.

Модель заклинивания роликов выкатили в СМСО; поначалу около 50% срабатываний были ложными, и ремонтники перестали реагировать на сигналы. Для СМСО сделали интерфейс, в котором инженеры размечают каждое срабатывание как верное или ложное для дообучения модели. По данным компании, модель свела к нулю случаи заклинивания роликов в первый год. Прогноз перегрева подшипников шестерённых клетей при точности 50% сократил число случаев в 3 раза, а общее время простоя — с 5–6 часов в год до 1,5 часа. Далее компания пилотировала GE SmartSignal на нагнетателе конвертерных газов и УНРС.